logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

一文搞懂 MCP:从入门到实战(含本地项目 MCP Server 示例)

本文介绍了MCP(Model Context Protocol)协议及其应用。MCP作为AI与外部世界交互的标准化协议,通过统一工具调用方式,使大模型能够实际操作系统资源、调用API等。文章从白话、工程、系统设计和协议生态四个层面解析MCP,并通过Mermaid图表展示其架构和工作流程。MCP可与LangGraph、CrewAI等框架配合,作为工具的统一底座。最后提供了为本地项目搭建MCP Ser

#人工智能#语言模型
价值连城 人工智能的通识课 - 吴恩达Andrew Ng AI For Everyone

AI For Everyonehttps://www.coursera.org/learn/ai-for-everyone/home/welcome课程概要Course 1: AI for EveryoneAI is not only for engineers. If you want your organization to become better at using AI, this is

模型上下文协议(MCP)完全指南:从AI代理痛点到实战开发

MCP协议:AI代理与外部系统交互的标准化桥梁 MCP(模型上下文协议)是专为AI代理设计的标准化交互框架,解决LLM与第三方服务集成的核心痛点。它通过三大组件(资源、工具、提示)和JSON RPC 2.0协议,实现: 1️⃣ 统一接口:消除API碎片化(如航班查询接口差异) 2️⃣ 动态发现:服务器自动暴露可用工具(如search_flights) 3️⃣ 上下文保持:支持有状态交互(如用户偏好

文章图片
#人工智能#microsoft#语言模型 +1
一文搞懂 MCP:从入门到实战(含本地项目 MCP Server 示例)

本文介绍了MCP(Model Context Protocol)协议及其应用。MCP作为AI与外部世界交互的标准化协议,通过统一工具调用方式,使大模型能够实际操作系统资源、调用API等。文章从白话、工程、系统设计和协议生态四个层面解析MCP,并通过Mermaid图表展示其架构和工作流程。MCP可与LangGraph、CrewAI等框架配合,作为工具的统一底座。最后提供了为本地项目搭建MCP Ser

#人工智能#语言模型
物体检测算法:R-CNN,SSD,YOLO 动手学深度学习v2 pytorch

1. 物体检测算法:R-CNNRegion-CNN 区域卷积神经网络2. SSD Single shot detection 单发多框检测3. YOLO - you only look onceyou only live once --> you only look oncecenter_net 非锚框 物体检测4. Q&A测试数据增强做平均,一般是概率做平均,在softmax上做平

#深度学习
翻译: GPT4等大型语言模型的原理解析和未来预测慢思考和模型自我迭代和LLM安全

YouTube:Intro to Large Language Models - YouTube大家好,最近我做了一个关于大型语言模型的 30 分钟演讲,有点像介绍性演讲,不幸的是,那个演讲没有被录制下来,但很多人在演讲结束后来找我,他们告诉我,呃,他们真的很喜欢这个演讲,所以我会,我想我会重新录制它,基本上把它放在 YouTube 上,所以我们来了,忙碌的人的大型语言模型简介,主管 Scott:

文章图片
#语言模型#人工智能#自然语言处理
实战ReactNative 从入门到精通 重要技术解析,5分钟搭建iOS, Android App 实战一

说明在本React Native教程中,您将学习如何基于非常流行的React JavaScript库构建本机应用程序。是什么让React Native与其他框架(例如,使用JavaScript创建iOS应用程序的PhoneGap(Apache Cordova) 或Appcelerator Titanium)不同?(与PhoneGap不同)使用React Native,您的代码可能是用Jav...

极客大学架构师训练营 系统架构 淘宝架构 第四次作业

作业:一个典型的大型互联网应用系统使用了哪些技术方案和手段,主要解决什么问题?请列举描述。阿里巴巴淘宝的前后端技术方案1.1淘宝整体架构淘宝架构图如何剖析,从外围到内围,从左到右。外围都是用户,数据的生产者,内部是数据的消费存储者;左边都是数据处理的源头,右边到达大数据平台,是大数据的分析。经过大数据的分析,为运营和产品提供优化方向,进一步提供更好的产品、商品、活动,提高GMV、DAU等。解决的问

React Native之原理浅析, iOS原理分析与实践解析、Android原理分析与实践解析

一、JavaScriptCore讲React Native之前,了解JavaScriptCore会有帮助,也是必要的。React Native的核心驱动力就来自于JS Engine. 你写的所有JS和JSX代码都会被JS Engine来执行, 没有JS Engine的参与,你是无法享受ReactJS给原生应用开发带来的便利的。在iOS上,默认的就是JavaScriptCore, iOS 7之后的设

RAG 与向量数据库是如何工作的:从图书馆比喻到系统架构

RAG(检索增强生成)系统结合了向量数据库与大语言模型的能力,通过检索-生成两步流程回答问题。系统首先将文档切块并向量化存入数据库,用户提问时通过向量相似度检索最相关的文本片段,然后构造包含检索结果的Prompt输入大模型生成答案。关键环节包括文档预处理、近似最近邻搜索、结果重排与Prompt优化。从理论看,RAG将知识显式存储在外部库而非模型参数中,通过检索器获取上下文后由生成器输出响应。这种架

#数据库
    共 334 条
  • 1
  • 2
  • 3
  • 34
  • 请选择